标签：ted inner style test containe constrain sse type orm
1. keras.engine.input_layer.Input()
| def Input(shape=None, batch_shape=None, | |
| name=None, dtype=None, sparse=False, | |
| tensor=None): |
用来实例化一个keras tensor
2. class Dense(Layer):
keras.layers.Dense(units, activation=None, use_bias=True, kernel_initializer=‘glorot_uniform‘, bias_initializer=‘zeros‘, kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None)
| def __init__(self, units, | |
| activation=None, | |
| use_bias=True, | |
| kernel_initializer=‘glorot_uniform‘, | |
| bias_initializer=‘zeros‘, | |
| kernel_regularizer=None, | |
| bias_regularizer=None, | |
| activity_regularizer=None, | |
| kernel_constraint=None, | |
| bias_constraint=None, | |
| **kwargs): |
Dense 是一个类，用来regular densely-connected NN layer.
3. from keras.models import Sequential, Model
4. from keras.utils.np_utils import to_categorical
categorical_labels = to_categorical(int_labels, num_classes=None)
说明：
例如如果你有10个类别，每一个样本的标签应该是一个10维的向量，该向量在对应有值的索引位置为1其余为0。
EXAMPLE：
假设y_test为100x1的向量，100表示样本数，标签为标量，这时候将标签扩充为10维的向量，即：y_test为100x10。10维向量中，值为1表示这个样本属于这个类别，其他9个地方的值都为0。
y_test = to_categorical(y_test, 10)
标签：ted inner style test containe constrain sse type orm
原文地址：https://www.cnblogs.com/shencangzaiyunduan/p/11963295.html
